کاربرد شبکه های عصبی RBF و MLPدر تخمین وزن اسکلت سازه های فولادی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,067
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCPP01_287
تاریخ نمایه سازی: 24 خرداد 1393
Abstract:
در فرآیند آغازین طراحی، یکی از موارد موثر در انتخاب سیستم سازه ای هزینه تمام شده آن خواهد بود. این مهم از دغدغه های کارفرمایان نیز می باشد. یکی از راه کارهای مدیریت هزینه و بهینه سازی آن پیش از آغازطراحی مرحله دوم پروژه، تخمین صحیح مقدار فولاد مصرفی در ساختمان بر مبنای مشخصات کلی حاکم و مفروض در پروژه می باشد. بر مبنای تخمین اولیه مناسب وزن اسکلت وابسته به مشخصات پایه طرح، طراحمی تواند در انتخاب مشخصات سازه ای مناسب و شروع طراحی بر مبنای آن اقدام نماید و در همان گام های آغازین طراحی اطلاعات مناسبی به کارفرما در خصوص هزینه و تناژ اسکلت ارائه نماید. در این پژوهش ابتدا باتوجه به پارامتر های موثر در طراحی سازه های فولادی بر مبنای آیین نامه های ایران، مدل های متنوعی طراحی شده است و سپس از ارتباط دادن این پارامترها با هدف یعنی وزن اسکلت با استفاده از قدرت بالاییادگیری و تعمیم دهی شبکه عصبی، مدلی ارائه شده است که به کمک آن بتوان نسبت به تخمین وزن اسکلت در طیف گسترده ای از سازه ها اقدام نمود. بررسی های لازم برای حصول نتیجه به کمک دو شبکه ی عصبی RBF و MLP صورت گرفته است. نتایج بدست آمده از روش های بکار گرفته شده نشان می دهد که روش های پیشنهادی می تواند با دقت خوبی قبل از شروع فرآیند طراحی، وزن اسکلت را به ازای هر متر مربع زیر بنا برآورد نماید.
Keywords:
Authors
سیدشاکر هاشمی
استادیار گروه مهندسی عمران دانشگاه خلیج فارس بوشهر
مسعود زارعی
دانشجوی کارشناسی ارشد دانشگاه خلیج فارس بوشهر
عبدالرضا فاضلی
استادیار گروه مهندسی عمران دانشگاه خلیج فارس بوشهر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :